该文章基于深度学习建立一种病人特异性放疗计划3D剂量分布预测方法，可以自动生成病人特异性放疗剂量分布，预测结果可用于基于肿瘤百分剂量覆盖度、正常组织和危及器官的容积剂量等为参数的评判模型中，评估剂量分布的优劣性。
在给定规划图像的情况下，开发一种预测最佳剂量分布的方法和分段解剖，通过将深度学习技术应用于先前优化的数据库和批准的调强放射治疗计划。本研究共纳入 80 例早期鼻咽癌 (NPC) 病例。随机选取 70 个案例作为训练集，其余作为测试集。输入是具有结构的图像，每个目标和处于危险中的器官 (OAR) 都被分配了一个唯一的标签。输出是剂量图，包括粗剂量图和转换后的精细剂量图 (FDM)卷积。在模型构建中使用了两种类型的具有结构的输入图像。一种输入包括未经处理的图像（带有相关结构）。第二种类型输入涉及使用来自辐射束几何的信息修改图像灰色标签。ResNet101 被选为两者的深度学习网络。根据临床使用的相应剂量评估预测剂量分布的准确性。
输入具有结构的图像，每个目标和处于危险中的器官 (OAR) 都被分配了一个唯一的标签。输出剂量图，包括粗剂量图和转换后的精细剂量图 (FDM)卷积。
数据质量良好
| # | 编号 | 名称 | 类型 |
| 1 | 2017YFC0107500 | 多模式引导的多粒子生物适形调强新技术研究与实现 | 国家重点研发计划 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.ncdc.IMP.db2510.2022
10.12072/ncdc.imp.db2510.2023
